序文
これはTensorBoardの簡単な使用です。
簡単な紹介
Tensorboardはtensorflowチェックプログラムを動作させるためのWebアプリケーション・スイートです。あなたは直感的にトレーニングを理解することができます。
使用
要約オペアンプを使用してください。例としては、変更tensorboardレコードのコストで、記事を過ごします。
要約に参加
OPはスカラー要約OPに追加観察します
# 创建summary来观察损失值
tf.summary.scalar("loss", cost)
マージの概要OP
それをマージする要約過度のオペが必要な場合。
merged_summary_op = tf.summary.merge_all()
保存するログファイルのパスを指定します。
実際には、原則tensorboardが終わっ実行した後にログファイルを生成し、このことは、ログデータの視覚化を表示することです。
それはファイルパスであるため、だから、我々は、ファイルを保存するパスを指定します。
logs_path="./example"
セッションの実行
まず、デフォルトのマップの保存summary.FileWriterを使用して、保存されたオペアンプを思い付きます。
#op 把需要的记录数据写入文件
summary_writer=tf.summary.FileWriter(logs_path,graph=tf.get_default_graph())
実行merged_summary_op
summary=sess.run(merged_summary_op,feed_dict={X: train_X, Y: train_Y})
summary_writer.add_summary(summary, epoch * n_samples)
詳細コード
# -*- coding: utf-8 -*-
# @Time : 2017/12/5 上午9:28
# @Author : SkullFang
# @Email : [email protected]
# @File : demo2.py
# @Software: PyCharm
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import random
#训练参数
learning_rate=0.01
traing_epochs=1000
display_step=50
logs_path="./example"
# 训练数据
train_X = np.asarray([3.3, 4.4, 5.5, 6.71, 6.93, 4.168, 9.779, 6.182, 7.59, 2.167,
7.042, 10.791, 5.313, 7.997, 5.654, 9.27, 3.1])
train_Y = np.asarray([1.7, 2.76, 2.09, 3.19, 1.694, 1.573, 3.366, 2.596, 2.53, 1.221,
2.827, 3.465, 1.65, 2.904, 2.42, 2.94, 1.3])
n_samples = train_X.shape[0]
#定义两个变量的op占位符
X=tf.placeholder("float")
Y=tf.placeholder("float")
#初始化w,b
W=tf.Variable(random.random(),name="weight")
b=tf.Variable(random.random(),name="bias")
#构造线性模型
pred=tf.add(tf.multiply(X,W),b)
#均方误差
#reduce_sum是对每一项进行加和
#reduce_sum(x,0)是每一列进行加和，reduce_sum(x,1)是对每一行进行加和
cost=tf.reduce_sum(tf.pow(pred-Y,2))/(2*n_samples)
#梯度下降
optimizer=tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
#初始化所有的变量
init=tf.global_variables_initializer()
# 创建summary来观察损失值
tf.summary.scalar("loss", cost)
merged_summary_op = tf.summary.merge_all()
#以上都是构造op，只是为了告诉tensorflow 模型的数据流动方向
#使用session 启动默认图
with tf.Session() as sess:
sess.run(init) #初始化
#op 把需要的记录数据写入文件
summary_writer=tf.summary.FileWriter(logs_path,graph=tf.get_default_graph())
for epoch in range(traing_epochs):
for (x,y) in zip(train_X,train_Y):
sess.run(optimizer,feed_dict={X:train_X,Y:train_Y})
if(epoch+1) % display_step==0:
# c, summary = sess.run([cost, merged_summary_op], feed_dict={X: train_X, Y: train_Y})
c= sess.run(cost, feed_dict={X: train_X, Y: train_Y})
summary=sess.run(merged_summary_op,feed_dict={X: train_X, Y: train_Y})
summary_writer.add_summary(summary, epoch * n_samples)
# c=sess.run(cost,feed_dict={X:train_X,Y:train_Y})
print("Epoch:", '%04d' % (epoch + 1), "cost=", "{:.9f}".format(c), \
"W=", sess.run(W), "b=", sess.run(b))
print ("optimization Finished")
training_cost = sess.run(cost,feed_dict={X:train_X,Y:train_Y})
print ("Training cost=",training_cost,"W=",sess.run(W),"b=",sess.run(b),"\n")
#画图
plt.plot(train_X,train_Y,'ro',label="Original data")
plt.plot(train_X,sess.run(W)*train_X+sess.run(b),label="Fitted line")
plt.legend()
plt.show()
plt.savefig('linear_train.png')
# 测试数据
test_X = np.asarray([6.83, 4.668, 8.9, 7.91, 5.7, 8.7, 3.1, 2.1])
test_Y = np.asarray([1.84, 2.273, 3.2, 2.831, 2.92, 3.24, 1.35, 1.03])
print("Testing... (Mean square loss Comparison)")
testing_cost = sess.run(
tf.reduce_sum(tf.pow(pred - Y, 2)) / (2 * test_X.shape[0]),
feed_dict={X: test_X, Y: test_Y}) # same function as cost above
print("Testing cost=", testing_cost)
print("Absolute mean square loss difference:", abs(
training_cost - testing_cost))
plt.plot(test_X, test_Y, 'bo', label='Testing data')
plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fitted line')
plt.legend()
plt.show()
plt.savefig('linear_test.png')
効果
1
以上実行した後、当社のログファイルであるプログラムディレクトリのフォルダ内のファイルのサンプルのよりになります
image.png
2
あなたのターミナルを開き
、次のディレクトリのプロジェクトの実行には、それはプロジェクトディレクトリの下に行われなければならないことを覚えておいてください。ここで指定したフォルダ、およびポートのログがあります。
tensorboard --logdir=./example --host 0.0.0.0
image.png
これは、エンドの実装の効果です。
ブラウザで開く
http://0.0.0.0:6006
これは、最終的な結果です。私たちは、私たちが学ぶために良いことを示す、損失の減少を見ることができます。横軸は、ラウンド数であります
